慢性肾脏病风险因素预测数据集
该数据集来自 Kaggle，为孟加拉国真实患者数据，采集自 Enam Medical College。数据集未经过预处理，包含 29 个变量，如血压、血糖、血红蛋白、红细胞计数等生理指标及高血压、糖尿病等病史信息，可用于慢性肾脏病的风险因素分析与预测建模（来源 Kaggle，Attribution
基本信息
资源简介
慢性肾脏病风险因素预测数据集
Risk Factor prediction of Chronic Kidney Disease
该数据集来自 Kaggle，为孟加拉国真实患者数据，采集自 Enam Medical College。数据集未经过预处理，包含 29 个变量，如血压、血糖、血红蛋白、红细胞计数等生理指标及高血压、糖尿病等病史信息，可用于慢性肾脏病的风险因素分析与预测建模（来源 Kaggle，Attribution 4.0 International (CC BY 4.0) 许可）。
【数据集背景】
源站首次发布：2023-10-18。
【数据内容】
源站描述（机器翻译，仅供参考）：慢性肾脏病（CKD）是一个日益严重的医疗问题，会降低肾脏功能的生产力并进而损害肾脏。是否进行了任何数据预处理？ 该数据集未经预处理，如果你想应用机器学习算法，首先需要对数据进行预处理。附加信息 该数据集是真实的孟加拉国患者数据。数据集收集自孟加拉国达卡萨瓦尔的 Enam Medical College。变量信息 1. bp（舒张压） 2. bp 限值 3. sg 4. al 5. class 6. rbc 7. su 8. pc 9. pcc 10. ba 11. bgr 12. bu 13. sod 14. sc 15. pot 16. hemo 17. pcv 18. rbcc 19. wbcc 20. htn 21. dm 22. cad 23. appet 24. pe 25. ane 26. grf 27. stage 28. affected 29. age
【数据结构与技术规格】
文件数 1 个，合计 34.15 KB。
【主题与分类】
主题标签：health conditions、healthcare、nutrition、medicine、diseases。本站分类：泌尿生殖系统疾病。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/joebeachcapital/risk-factor-prediction-of-chronic-kidney-disease
使用许可：Attribution 4.0 International (CC BY 4.0)。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
需登录公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
暂未开放有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://kaggle.com/datasets/joebeachcapital/risk-factor-prediction-of-chronic-kidney-disease
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 34.2 KB。
数据说明
Joakim Arvidsson (2023). Risk Factor prediction of Chronic Kidney Disease [Dataset]. https://www.kaggle.com/datasets/joebeachcapital/risk-factor-prediction-of-chronic-kidney-disease
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
